UNIVERSIDADE NOVE DE JULHO - UNINOVE Programa de Mestrado em Engenharia de Produção

Transcrição

1 UNIVERSIDADE NOVE DE JULHO - UNINOVE Programa de Mestrado em Engenharia de Produção COMPARANDO MODELOS DE CLASSIFICAÇÃO DOS COMENTÁRIOS DE CLIENTES: MINERAÇÃO DE OPINIÕES EM EMPRESA BRASILEIRA DE CLASSIFICADOS ONLINE DE EMPREGOS MARCELO DRUDI MIRANDA SÃO PAULO 2014

2 MARCELO DRUDI MIRANDA COMPARANDO MODELOS DE CLASSIFICAÇÃO DOS COMENTÁRIOS DE CLIENTES: MINERAÇÃO DE OPINIÕES EM EMPRESA BRASILEIRA DE CLASSIFICADOS ONLINE DE EMPREGOS Dissertação apresentada ao Programa de Pós- Graduação em Engenharia de Produção da Universidade Nove de Julho, parte dos requisitos exigidos para a obtenção do grau de Mestre em Engenharia de Produção. Prof. Renato José Sassi, Dr. Orientador, UNINOVE SÃO PAULO 2014

3 Miranda, Marcelo Drudi. Comparando modelos de classificação dos comentários de clientes: mineração de opiniões em empresa brasileira de Classificados online de empregos. /Marcelo Drudi Miranda f. Dissertação (mestrado) Universidade Nove de Julho - UNINOVE, São Paulo, Orientador (a): Prof. Dr. Renato José Sassi. 1. Mineração de opiniões. 2. Análise de sentimentos. 3. Modelos de classificação. 4. Classificação de comentários em língua portuguesa. I. Sassi, Renato José. II. Titulo CDU 658.5

4

5 Dedico este trabalho aos meus filhos Lucas e Lorena, pois foram o motivo de eu ter seguido em frente, mesmo diante das dificuldades.

6 AGRADECIMENTOS Agradeço primeiramente à minha mãe, Darli Dalva Drudi Miranda, e ao meu pai, Alvaro Miranda Junior, por todo o esforço, todo incentivo e pela base moral que me proporcionaram, forjada através de seu próprio exemplo de vida. Ao meu orientador, Professor Dr. Renato José Sassi, meus agradecimentos pela sua dedicação à pesquisa e ao ensino, pela sua excelente orientação, pelas cobranças e pelo trabalho árduo por ele realizado, que me fez crescer não só como pesquisador, mas também como ser humano. Agradeço à minha esposa, Estela de Oliveira Baltieri, pela paciência e compreensão pelas inúmeras noites e finais de semana em que não pude ficar ao seu lado, quando eu estava mentalmente ou fisicamente ausente, me dedicando a este trabalho. Agradeço aos docentes do programa de Mestrado em Engenharia de Produção e funcionários da Universidade Nove de Julho. Aos membros das bancas de qualificação e defesa: Prof. Dr. José Carlos Curvelo Santana, Prof. Dr. Marcirio Silveira Chaves e Prof. Dr. Leonardo Junqueira, agradeço pelas contribuições importantes a esse trabalho. Em especial, gostaria de agradecer ao Prof. Dr. Marcirio Silveira Chaves pelo incentivo, pela disposição em ajudar, e pelas excelentes contribuições, que ajudaram a nortear a pesquisa. Agradeço aos colegas do grupo, que me receberam muito bem e sempre estiveram dispostos a ajudar. Em especial agradeço ao amigo Edquel Bueno Farias, por toda ajuda e coautoria. Finalmente agradeço à Universidade Nove de Julho, pela bolsa de estudos no Programa de Mestrado em Engenharia de Produção.

7 RESUMO A Internet hoje é uma realidade presente na vida das pessoas, possibilitando o surgimento de muitas empresas que fornecem serviços online. Porém, para se manterem no mercado, é fundamental que essas empresas se preocupem com a qualidade dos serviços prestados. Neste contexto, torna-se importante conseguir avaliar a satisfação do cliente em relação a esses serviços. Uma das formas utilizadas para avaliar o sentimento dos clientes em relação aos serviços prestados é a Mineração de Opiniões, que se refere ao conjunto de técnicas utilizadas para extrair e avaliar sentimentos expressos em fontes de dados textuais. O objetivo deste trabalho foi comparar Modelos de Classificação dos comentários de clientes para a Mineração de Opiniões em empresa brasileira de classificados online de empregos. Foram implementados três Modelos de Classificação: baseado no software comercial Repustate; baseado em Dicionário e baseado em Naive Bayes. Os modelos foram aplicados em uma base de dados contendo comentários não estruturados de clientes em língua portuguesa, coletados no formulário de cancelamento do serviço. Um comentário não estruturado apresenta erro de grafia, de concordância e pode ser quase ininteligível. Classificar comentários não estruturados em língua portuguesa é uma tarefa complexa para um classificador por dois motivos: os erros contidos nos comentários e a escassez de modelos de classificação de comentários em língua portuguesa disponíveis para serem tomados como exemplo. Estes motivos tornam os modelos desenvolvidos nesse trabalho relevantes para as pesquisas em Análise de Sentimentos e Mineração de Opiniões. A avaliação do desempenho dos modelos de classificação foi feita usando o índice Kappa e a Matriz de Confusão. O desempenho na classificação dos três Modelos foi analisado por meio da comparação com a classificação realizada por jurados (seres humanos), que também tiveram a avaliação de sua concordância realizada com o índice Kappa e a Matriz de Confusão. A característica não estruturada dos comentários provocou divergência na sua classificação por parte dos jurados e também dos Modelos de Classificação. A concordância entre os classificadores e os jurados chegou no máximo a moderada, com melhor desempenho para o classificador baseado em Naive Bayes. Os modelos foram aplicados na base de dados e, apesar das características dos comentários, a Mineração de Opiniões foi realizada. Conclui-se, então, que o desempenho dos classificadores na mineração de opiniões em empresa brasileira de classificados online de empregos foi positivo e o objetivo do trabalho foi atingido. Vale destacar que a Mineração de Opiniões em comentários não estruturados em língua portuguesa é uma tarefa complexa, que exige pesquisa e que este cenário está aberto para novos estudos.

8 Palavras-chave: Mineração de Opiniões. Análise de Sentimentos. Modelos de Classificação. Classificação de Comentários em Língua Portuguesa. Recuperação de Informações. Processamento de Linguagem Natural.

9 ABSTRACT The Internet nowadays is a reality in people's lives, enabling the growth of many online services companies. However, to maintain their activities and stay in the market, it s important for these companies to worry about the quality of the provided services. In this context, it becomes important to be able to assess the client satisfaction regarding those services. One way to assess the clients' sentiment regarding the provided services is Opinion Mining, which refers to the set of techniques used to extract and assess the sentiment expressed in texts. The goal of this work was to compare Classification Models for the clients' comments for Opinion Mining in a Brazilian online job search company. Three models were implemented: one based on commercial software named Repustate; one Dictionary based and one based on Naive Bayes. The Models were applied to a database containing non-structured comments of clients in Portuguese, captured in a service cancellation form. A non-structured comment contains typos, concordance errors and can be almost unintelligible. Classifying non-structured comments in Portuguese is a complex task for a classifier for two reasons: the errors in comments and the scarcity of Classification Models for comments in Portuguese to be taken as examples. Those reasons make the Models developed in this work relevant for the research field of Sentiment Analysis and Opinion Mining. The performance evaluation of the Classification Models was performed using Kappa coefficient and the Confusion Matrix. The classification performance of the three models was analyzed by comparing it with the classification made by human judges, that in turn, had their agreement among them assessed using Kappa and Confusion Matrix. The non-structured characteristic of the comments caused divergence in the judges classification and also among the Classification Models. The agreement among the classifiers and the judges was moderate at best, with the best performance achieved by the Naïve Bayes based classifier. The models were applied to the database and, despite the characteristics of the comments the Opinion Mining was performed. The conclusion is that the performance of the classifiers in the Opinion Mining in a Brazilian online search company was positive and the goal of this work has been reached. It s worth to note that the Opinion Mining in non-structured comments in Portuguese is a complex task, that demands research and this scenario is open for new studies. Keywords: Opinion Mining. Sentiment Analysis. Classification Models. Comment Classification in Portuguese. Information Retrieval. Natural Language Processing.

10 LISTA DE ILUSTRAÇÕES Figura 1 - Conceituação de um e-service... 8 Figura 2 - Modelo de qualidade em e-services Figura 3 - Arquitetura Opinion Mining Figura 4 - Etapas da Mineração de Opiniões Figura 5 - Fases principais da Metodologia Experimental Figura 6 Modelo de Classificação dos Comentários baseado no Repustate Figura 7 - Modelo de Classificação dos Comentários baseado em Dicionário Figura 8 - Modelo de Classificação dos Comentários baseado no Naive Bayes Figura 9 - Distribuição dos comentários com classificador baseado no Repustate Figura 10 - Distribuição percentual com classificador baseado no Repustate Figura 11 - Distribuição dos comentários com classificador baseado em Dicionário Figura 12 - Distribuição percentual com classificador baseado em Dicionário Figura 13 - Distribuição dos comentários com classificador Naive Bayes Figura 14 - Distribuição percentual com classificador Naive Bayes... 57

11 LISTA DE TABELAS Tabela 1 - Exemplos de opiniões sumarizadas de um produto...12 Tabela 2 - Parâmetros relacionados às opiniões dos usuários Tabela 3 - Intervalos de score para classificação de sentimentos com o Repustate Tabela 4 - Interpretação dos valores de Kappa Tabela 5-Exemplo de Matriz de Confusão Tabela 6 - Classificação dos Comentários com o Classificador baseado no Repustate Tabela 7 - Classificação dos comentários com o Classificador baseado em Dicionário (SentiLex) Tabela 8 - Classificação dos Comentários com Naive Bayes Tabela 9 - Classificação dos Comentários pelo Jurado Tabela 10 - Classificação dos Comentários pelo Jurado Tabela 11 - Classificação dos Comentários pelo Jurado Tabela 12 - Classificação dos Comentários pelo Jurado Tabela 13 - Classificação dos Comentários pelo Jurado Tabela 14 - Matriz de Confusão entre o Jurado 1 e o Jurado Tabela 15 - Matriz de Confusão entre o Jurado 1 e o Jurado Tabela 16 - Matriz de Confusão entre o Jurado 1 e o Jurado Tabela 17 - Matriz de Confusão entre o Jurado 1 e o Jurado Tabela 18 - Matriz de Confusão entre o Jurado 2 e o Jurado Tabela 19 - Matriz de Confusão entre o Jurado 2 e o Jurado Tabela 20 - Matriz de Confusão entre o Jurado 2 e o Jurado Tabela 21 - Matriz de Confusão entre o Jurado 3 e o Jurado Tabela 22 - Matriz de Confusão entre o Jurado 3 e o Jurado Tabela 23 - Matriz de Confusão entre o Jurado 4 e o Jurado Tabela 24 - Matriz de Confusão entre o Jurado 1 e o Repustate Tabela 25 - Matriz de Confusão entre o Jurado 2 e o Repustate Tabela 26 - Matriz de Confusão entre o Jurado 3 e o Repustate Tabela 27 - Matriz de Confusão entre o Jurado 4 e o Repustate... 47

12 Tabela 28 - Matriz de Confusão entre o Jurado 5 e o Repustate Tabela 29 - Matriz de Confusão entre o Jurado 1 e o classificador baseado em Dicionário.. 48 Tabela 30 - Matriz de Confusão entre o Jurado 2 e o classificador baseado em Dicionário.. 49 Tabela 31 - Matriz de Confusão entre o Jurado 3 e o classificador baseado em Dicionário.. 49 Tabela 32 - Matriz de Confusão entre o Jurado 4 e o classificador baseado em Dicionário.. 50 Tabela 33 - Matriz de Confusão entre o Jurado 5 e o classificador baseado em Dicionário.. 50 Tabela 34 - Matriz de Confusão entre o Jurado 1 e o classificador baseado em Naive Bayes Tabela 35 - Matriz de Confusão entre o Jurado 2 e o classificador baseado em Naive Bayes Tabela 36 - Matriz de Confusão entre o Jurado 3 e o classificador baseado em Naive Bayes Tabela 37 - Matriz de Confusão entre o Jurado 4 e o classificador baseado em Naive Bayes Tabela 38 - Matriz de Confusão entre o Jurado 5 e o classificador baseado em Naive Bayes Tabela 39 - Percentuais de coincidência dos classificadores com os jurados Tabela 40 - Médias do Valor de Kappa para cada um dos Três Classificadores Tabela 41 - Vantagens e desvantagens dos três Modelos de Classificação... 64

13 LISTA DE ABREVIATURAS E SIGLAS API - Application Programming Interface NLTK - Natural Language Toolkit Web - World Wide Web

14 SUMÁRIO 1 INTRODUÇÃO SATISFAÇÃO DO CLIENTE NO SETOR DE SERVIÇOS MINERAÇÃO DE OPINIÕES JUSTIFICATIVA E MOTIVAÇÃO PROBLEMA DE PESQUISA OBJETIVOS Objetivo Geral Objetivos Específicos ORGANIZAÇÃO DO TRABALHO FUNDAMENTAÇÃO TEÓRICA QUALIDADE EM SERVIÇOS E SATISFAÇÃO DO CLIENTE MINERAÇÃO DE OPINIÕES E ANÁLISE DE SENTIMENTOS Definição das Opiniões Etapas da Mineração de Opiniões Tipos de Opiniões Abordagens para Classificação de Polaridade de Opinião Classificação de Sentimento entre Linguagens MATERIAIS E MÉTODOS CARACTERIZAÇÃO METODOLÓGICA CARACTERIZAÇÃO DA EMPRESA DE CLASSIFICADOS ONLINE DE EMPREGOS METODOLOGIA EXPERIMENTAL APRESENTAÇÃO E DISCUSSÃO DOS RESULTADOS RESULTADOS DOS MODELOS DE CLASSIFICAÇÃO RESULTADOS DA VALIDAÇÃO PELOS JURADOS AVALIAÇÃO DA CONCORDÂNCIA ENTRE OS JURADOS AVALIAÇÃO DA CONCORDÂNCIA ENTRE OS JURADOS E OS CLASSIFICADORES Classificador Repustate com os Jurados Classificador Baseado em Dicionário com os Jurados Classificador Baseado em Naive Bayes com os Jurados ANÁLISE DA DIVERGÊNCIA ENTRE JURADOS E CLASSIFICADORES Classificador Repustate com os Jurados Classificador Baseado em Dicionário com os Jurados Classificador Baseado em Naive Bayes com os Jurados APRESENTAÇÃODA MINERAÇÃO DE OPINIÕES CONCLUSÃO CO-ORIENTAÇÃO EM PROJETO DE INICIAÇÃO CIENTÍFICA PUBLICAÇÕES DO AUTOR... 72

15 REFERÊNCIAS BIBLIOGRÁFICAS APÊNDICE A: CÓDIGO PYTHON PARA TRADUÇÃO DOS COMENTÁRIOS APÊNDICE B CÓDIGO PYTHON PARA GERAÇÃO DOS SCORES DE COMENTÁRIO COM O REPUSTATE APÊNDICE C INSTRUÇÕES AOS JURADOS PARA CLASSIFICAÇÃO DOS COMENTÁRIOS APÊNDICE D EXEMPLOS DE COMENTÁRIOS DOS CLIENTES DA EMPRESA... 82

16 1 1 INTRODUÇÃO A Internet vem despertando mudanças nas relações econômicas, sociais, políticas e culturais. Essas mudanças ainda estão em aberto e se transformam à medida que a própria Internet redefine seu escopo e alcance (PINHO, 2011). No mercado de trabalho, isso não é diferente, e percebe-se que há cada vez mais competitividade neste meio. Muitas vezes as empresas têm dificuldade em preencher postos de trabalho com candidatos qualificados. Nesse ponto, a utilização da Internet como ferramenta de apoio na busca por candidatos qualificados traz resultados positivos. Por outro lado, o recrutamento através da Internet pode trazer benefícios adicionais, pois estimativas indicam que o custo de se contratar utilizando anúncios online pode chegar a 5% do custo de se contratar através de meios tradicionais (CAPPELLI, 2001). Neste panorama, surgiram no Brasil empresas de classificados online de empregos. Empresas deste segmento oferecem o serviço de anúncio de vagas de emprego, que ficam disponíveis para busca e consulta via Internet. Algumas empresas, além do anúncio de vagas, oferecem também o anúncio de currículos profissionais, servindo tanto como um meio para os candidatos buscarem vagas de emprego quanto para as empresas buscarem profissionais para suas vagas. Neste ramo de negócio a competição é grande, com várias empresas atuando no mercado de recolocação e recrutamento, tanto no mundo físico quanto no virtual. Por esse motivo, é importante a preocupação com a qualidade dos serviços prestados. De acordo com Parasuramam (1985), a qualidade em serviços é uma comparação entre as expectativas do cliente e o desempenho do serviço, ou seja, a qualidade em serviços está estreitamente ligada à satisfação do cliente. Porém, no caso dos serviços online, é difícil conhecer as expectativas dos clientes, pois, de acordo com Zeithaml et. al. (2002), os clientes desse tipo de serviço em muitos casos não têm expectativas bem definidas. Por esse motivo, conhecer o sentimento dos clientes após a prestação do serviço pode auxiliar a avaliação de sua satisfação em relação a esses serviços. 1.1 SATISFAÇÃO DO CLIENTE NO SETOR DE SERVIÇOS A satisfação dos clientes é um fator crítico para o sucesso das empresas em um ambiente competitivo, e está relacionada ao atendimento das necessidades explícitas e

17 2 implícitas do consumidor por meio dos atributos do serviço (TONTINI e SANT ANA, 2008). Porém, as operações de serviços em geral são complexas, baseadas nas relações humanas entre o cliente e os empregados que os atendem (BATAGLIA et. al., 2010). O setor de serviços possui características que o difere de outros setores econômicos, tornando difícil avaliar sua qualidade. As características que diferem este setor dos demais são, a intangibilidade, heterogeneidade, e inseparabilidade (PARASURAMAM, 1985). A intangibilidade refere-se ao fato dos serviços serem essencialmente performances, e não objetos. A heterogeneidade refere-se à variação do desempenho, e sua percepção ser dependente das expectativas dos clientes. Finalmente, os serviços são inseparáveis, pois não é possível separar sua produção do consumo. Dentro do setor de serviços, encontra-se o setor de serviços eletrônicos, ou e-services. Desenvolvido a partir do marketing na Internet e da literatura tradicional sobre qualidade em serviços, o conceito de qualidade em e-services pode ser definido como a avaliação geral da excelência e qualidade das ofertas de e-services na Internet (SANTOS, 2003). Segundo Zeithaml et. al. (2002), a avaliação da qualidade dos e-services é ainda mais complexa do que os serviços tradicionais, pois além das três características intrínsecas aos serviços, i.e., inseparabilidade, heterogeneidade e intangibilidade, a percepção de qualidade nos e-services baseia-se em cinco critérios: - Disponibilidade das informações; - Usabilidade; - Privacidade; - Estilo gráfico; - Realização ou satisfação. Portanto, ao mesmo tempo em que é importante para as empresas avaliar a satisfação dos clientes em relação aos serviços prestados, esta avaliação é também um grande desafio. 1.2 MINERAÇÃO DE OPINIÕES As opiniões exercem papel central em quase todas as atividades humanas pois exercem influência no nosso comportamento. Em situações onde se faz necessário tomar decisões, é importante conhecer a opinião de outras pessoas. Empresas e organizações querem conhecer as opiniões dos consumidores ou do público em geral sobre seus produtos e serviços (LIU, 2012).

18 3 O surgimento da Web 2.0 e das mídias sociais criou muitas oportunidades para entender a opinião do público geral e dos consumidores sobre eventos sociais, movimentos políticos, estratégia das empresas, campanhas de marketing e preferência por produtos. Muitas perguntas referentes à opinião dos consumidores sobre determinado assunto poderiam ser respondidas ao se analisar os milhares de comentários em blogs, mídias e redes sociais como Orkut, Facebook e Youtube ou sites de notícias (CHEN e ZIMBRA, 2010). A partir de 2009, foi possível testemunhar que a presença de postagens em mídias sociais contendo opinião ajudou a remodelar empresas e a influenciar sentimentos e emoções do público em geral, impactando profundamente nossos sistemas sociais e políticos. Essas postagens chegaram a mobilizar as massas por mudanças políticas, como aquelas que aconteceram em alguns países Árabes em Tornou-se então uma necessidade coletar e estudar as opiniões na Internet (LIU, 2012). Vale ressaltar que documentos contendo opiniões não existem somente na Internet, muitas empresas também mantém dados internos, como, por exemplo o feedback dos clientes coletados por e em call centers, ou resultados de pesquisas conduzidas pelas organizações (LIU, 2012). As informações sobre satisfação do cliente são normalmente suscitadas de forma estruturada, surveys ou grupos de estudos apresentam aos clientes perguntas construídas para coletar determinados pedaços de informação que são de interesse da empresa. O conjunto de resultados estruturados pode ser facilmente analisado estatisticamente e convenientemente agregado de acordo com as questões da survey (GAMON et. al., 2005). Porém, essa abordagem, além de ser dispendiosa, consegue somente captar os aspectos que foram previstos durante a elaboração do questionário, deixando escapar as nuances que porventura existam quando os clientes podem expressar suas opiniões livremente (GAMON et. al., 2005). Mineração de Opiniões, uma subdisciplina da Mineração de Dados e da Linguística Computacional, refere-se às técnicas computacionais para extrair, classificar, entender e avaliar as opiniões expressas em várias fontes de notícias online, comentários em mídias sociais e outros conteúdos criados por usuários (CHEN e ZIMBRA, 2010). É o campo de estudo que analisa as opiniões, sentimentos, avaliações, atitudes e emoções das pessoas em relação a entidades como produtos, serviços, organizações,

19 4 indivíduos, problemas, eventos, tópicos, e seus atributos, representando um amplo campo de estudo (LIU, 2012). 1.3 JUSTIFICATIVA E MOTIVAÇÃO De acordo com Parry e Tyson (2008) a tendência em longo prazo do mercado de recrutamento online é de crescimento. Neste cenário, este mercado tende a se tornar mais competitivo, com a entrada de novas empresas neste segmento. Desta forma, conseguir avaliar a satisfação de seus clientes se torna um fator importante para seu sucesso. A empresa em estudo nesta dissertação possui milhares de clientes, e uma base de dados com milhões de comentários em língua portuguesa a serem avaliados, o que torna impraticável ler todos os comentários para interpretar se estes são positivos, negativos ou neutros. Ademais, os comentários contidos nesta base de dados são não estruturados, ou seja, são comentários que apresentam erros de grafia, erros de concordância e comentários quase ininteligíveis. Além da dificuldade em avaliar esses comentários, a empresa trata reclamações dos usuários de forma pontual. Esta abordagem não oferece um panorama fiel da qualidade dos serviços prestados pela empresa, pois não consegue englobar todos os seus clientes e tampouco trata de uma amostra aleatória, o que justifica a aplicação da Mineração de Opiniões para avaliar a opinião dos clientes sobre os serviços prestados pela empresa. Apesar de já existirem várias ferramentas consolidadas para Mineração de Opiniões em língua inglesa, existem poucas ferramentas em língua portuguesa, o que também motiva a realização desse trabalho. 1.4 PROBLEMA DE PESQUISA Os Modelos de Classificação dos comentários de clientes comparados neste trabalho podem minerar opiniões em empresa brasileira de classificados online de empregos? 1.5 OBJETIVOS Objetivo Geral

20 5 O objetivo deste trabalho foi comparar Modelos de Classificação dos comentários de clientes para a Mineração de Opiniões em empresa brasileira de classificados online de empregos Objetivos Específicos Os objetivo específicos deste trabalho são: - Implementar o Modelo de Classificação dos Comentários com o Classificador baseado no software comercial Repustate; - Implementar o Modelo de Classificação dos Comentários com o Classificador baseado em Dicionário; - Implementar o Modelo de Classificação dos comentários com o Classificador baseado em Naive Bayes; - Comparar o resultado dos Modelos de Classificação com a classificação realizada pelos jurados humanos. - Avaliar o desempenho dos Modelos de Classificação usando o índice Kappa e a Matriz de Confusão. - Analisar a divergência entre os Modelos de Classificação e os jurados. - Minerar opiniões na base de dados de comentários. 1.6 ORGANIZAÇÃO DO TRABALHO Além deste capítulo introdutório (Capítulo 1), este trabalho está estruturado da seguinte forma: Capítulo 2 - Fundamentação Teórica. Neste capítulo são apresentados os conceitos abordados no desenvolvimento deste trabalho: Qualidade em serviços, com ênfase em e- services e Mineração de Opiniões. Capítulo 3 - Materiais e Métodos. Neste capítulo é apresentada a metodologia utilizada e os modelos propostos. Capítulo 4 - Resultados Experimentais. São apresentados neste capítulo os resultados dos experimentos realizados e a análise desses resultados. Capítulo 5 - Conclusão. Neste capítulo é apresentada a conclusão deste trabalho.

21 6 2 FUNDAMENTAÇÃO TEÓRICA Neste capítulo são apresentados os referenciais teóricos sobre os temas abordados neste trabalho. Inicialmente é apresentado o referencial teórico sobre qualidade em serviços e satisfação do cliente. A seguir é apresentado o referencial teórico sobre Mineração de Opiniões e Análise de Sentimentos. Finalmente o referencial teórico sobre redes neurais artificiais, com ênfase nas redes neurais artificiais do tipo SOM é apresentado. 2.1 QUALIDADE EM SERVIÇOS E SATISFAÇÃO DO CLIENTE Os serviços possuem certas características que o diferem de outros setores econômicos no que se refere à percepção de qualidade. Essas características são a intangibilidade, heterogeneidade e a inseparabilidade (PARASURAMAM, 1985). Os serviços são intangíveis, pois são desempenhos, e não objetos. Muitos serviços não podem ser medidos, contados, inventariados, testados ou verificados antes do ato da sua prestação, de forma a garantir sua qualidade (BERRY, 1980). Os serviços são heterogêneos, pois seu desempenho é variável. Dependem do fornecedor e do cliente. E a experiência que a empresa pretende proporcionar pode ser diferente das expectativas do cliente (BOOMS e BITNER, 1981). Os serviços são inseparáveis, pois a sua produção e consumo não podem ser separados. Por esse motivo, não se pode garantir a qualidade durante a linha de produção da fábrica e em seguida entregá-la intacta ao cliente (UPAH, 1980). Existem também os serviços prestados através da Internet, também conhecidos como e-services. Esses serviços possuem características especiais que os diferenciam dos serviços tradicionais. Por exemplo, as expetativa do cliente em relação ao e-service tem menor importância do que no caso dos serviços tradicionais (ZEITHAML et. al.2002). A avaliação da qualidade dos e-services, possui algumas peculiaridades. Conforme Parasuraman et. al. (2005), a percepção da qualidade desse tipo de serviço depende da familiaridade do cliente com tecnologia. De acordo com Zeithaml et. al. (2002), a qualidade percebida em um website se baseia em cinco critérios: - Disponibilidade de informação e conteúdo; - Usabilidade, ou facilidade de uso;

22 7 - Privacidade e segurança; - Estilo gráfico; - Realização ou satisfação. As expectativas dos clientes ao utilizar serviços online são diferentes das expectativas dos clientes de serviços tradicionais (off-line). Em grande parte dos casos, os clientes não têm expectativas muito bem definidas, e em muitos casos, seus padrões de consumo anteriores são inexistentes ou imprecisos (ZEITHAML et. al., 2002). De acordo com o modelo proposto por van Riel et. al.(2001) para a oferta de e- services, mostrado na Figura 1, os e-services podem ser divididos em cinco componentes. - o serviço principal; - serviços facilitadores; - serviços de suporte; - serviços complementares; - interface com o usuário, através da qual os clientes tem acesso ao serviço. Figura 1 - Conceituação de um e-service. Fonte: Adaptado de van Riel et al. (2001) Uma grande variedade de serviços facilitadores e de suporte, como máquinas de busca ou fóruns de comunicação, podem adicionar valor ao serviço principal. Lucro pode ser gerado a partir do serviço principal, ou pelos serviços complementares que alavancam o segmento de mercado. Os serviços complementares podem ser providos pela empresa que fornece o serviço principal, ou então por empresas terceirizadas (VAN RIEL et al., 2001).

23 8 O conceito de qualidade em e-services tem sua origem no marketing digital e na literatura tradicional sobre qualidade em serviços. Pode ser definida como a avaliação geral dos consumidores sobre a excelência e qualidade das ofertas de e-services no mercado digital (SANTOS, 2003). Em relação à percepção da qualidade de cada um dos componentes dos e-services, junto com o julgamento de valor e da qualidade, os clientes podem também experimentar emoções distintas em relação a cada um dos componentes. Por exemplo, enquanto o serviço principal pode ser percebido como confiável, os serviços facilitadores podem ser percebidos como não confiáveis, o que pode causar frustração e raiva (VAN RIEL et al., 2001). Em contraste com a avaliação da qualidade nos serviços tradicionais, os consumidores são menos propensos a avaliar cada sub-processo envolvido em uma visita a um website. Ao invés disso, os clientes tendem a perceber o e-service como um processo único, que gera um único resultado (VAN RIEL et al., 2001). O modelo proposto por Santos (2003) para a qualidade em e-services possui duas dimensões principais. A primeira é a dimensão incubada. Esta dimensão refere-se às características da qualidade que podem ser tratadas antes do website ser lançado. Esta dimensão inclui: - facilidade de uso (usabilidade); - aparência; - acoplamento; - estrutura e leiaute; - conteúdo. A outra dimensão proposta no modelo é a dimensão ativa. É definida como o suporte, velocidade, e manutenção que o website que provê o e-service pode oferecer aos seus clientes. Consiste nos seguintes características: - confiança; - eficiência; - suporte; - comunicação; - segurança; - incentivo.